基于多信号流图模型的装备故障诊断方法

李凯凯,丁天宝,吕启元

( 西北机电工程研究所,陕西 咸阳 712099 )

现代自行高炮系统结构复杂，智能化、集成化程度越来越高，使其故障发生概率逐渐增加，故障发生情形日益多样化，给系统测试诊断带来了较大困难。例如，可用测试点少、测试时间长和使用维护费用高等，使得对故障诊断方法提出了新的更高的要求。

传统的故障诊断都是根据所要研究对象的组成来构建模型，并通过详细的元件关联关系分析，确定元件故障传播方向和影响范围，从而完成系统故障诊断。这种建模诊断分析方法所需的时间和工作量很大，既不利于故障诊断的及时性，也不利于故障诊断的有效性。

因此，为了能及时有效地检测和隔离系统故障，提高系统的故障检测和故障隔离能力，本文采用多信号流图建模诊断工具——TEAMS Designer，以某自行高炮供电系统为例建立模型，并对模型进行分析，最后得到科学、合理、有效的故障诊断策略。采用该方法得到的故障诊断策略，减少了不必要的测试，提高了诊断的效率。

1 多信号流图模型建模方法

1.1 多信号流图模型产生背景

以往复杂系统故障诊断方法按照所用模型的不同大致可分为定量模型、定性模型、结构模型和依赖模型。其中，采用定量模型和定性模型，可以精确地描述系统功能，在隔离功能故障方面具有卓越的能力。但是，需要预先知道系统的具体参数及元件的完全特性，对于复杂系统很难获得这些精确的信息，并且建模过程复杂，因而不适合用于大型复杂系统建模。

结构模型用有向图代表模块的连接性和故障传播方向，该有向图和系统的原理简图密切对应。基于结构模型的诊断分析简单，速度快，便于系统的测试诊断分析。但结构模型无法体现系统的功能，因此，只能判断系统或部件的完全故障，无法诊断功能故障。

依赖模型主要用来描述系统故障和测试之间的相关性关系，将模型的故障源与测试以及测试与测试之间的关系以方向图的方式表达。这种测试诊断模型对系统而言存在内在的简化性，但是，结构平铺且建模过程中主观性较强，不易验证模型的有效性。

考虑到以上几种建模方法的不足，并且为了继承其优点，有学者于1994年提出了多信号流图建模诊断方法。

1.2 多信号流图建模基本思想

多信号流图模型类似于在结构模型上覆盖了依赖模型的集合，其主要思想如下[1-3]：

1) 为了进行诊断,只需要对故障(或原因)如何传播到各个监测点进行建模。一个或多个元件故障使系统产生功能异常，可以通过系统中不同测试点观测到。对于故障诊断及现场维修，其目标是用最少的时间和费用确定故障原因。因此，在系统的故障空间建模就足够。

2) 系统的故障空间不是二值的(即简单的“通过”与“未通过”)。功能空间是多维的，故障空间作为功能空间的补集也是多维的。例如，正弦波信号发生器的功能是产生规定的幅值、相位和频率，如果输出的正弦波没有固定的幅值、相位和频率，就说它发生了故障。

3) 由于故障状态的任意性，因而没有必要对精确的定量关系进行建模。只需要确立系统重要的功能信号，并将其与适当的部件和测试相关联。

4) 常见故障存在两种不同的类型，功能故障和完全故障。前者指影响系统功能执行的故障。后者是通过阻碍信息流的流过，影响程度超过正常性能的承受能力导致系统功能丧失的灾难性故障。

1.3 多信号流图建模方法特点

1) 多信号流图模型覆盖了多个信息流模型，模型更接近于系统的物理结构。它克服了仅基于结构分析粗糙、容易导致错误诊断结论及仅基于依赖模型结构平铺的缺点。

2) 多信号流图模型建模方便、模型的集成和验证都相对简单。它与精确描述系统功能，并且推理过程太过缓慢的定量或定性模型相比更适合于大型复杂系统的建模。

3) 多信号流图建模方法只需要获取系统功能结构等方面的知识，不需要系统中故障模型清晰的知识。这意味着多信号建模方法能够探测和隔离不曾预料到的故障。

4) 多信号流图建模方法进行故障诊断能更好地降低诊断的虚警率，提高准确性。该方法除了能进行单故障诊断，还能进行多故障的有效隔离。

1.4 多信号流图建模基本步骤

多信号流图建模主要有以下4个步骤[4-5]：

1) 输入或构建系统的结构模型、原理框图或概念框图。在TEAMS软件中系统的结构模型能够从VHDL建模、EDIF建模中自动导入生成，或由图形用户界面直接构建。

2) 给模块或测试点添加相应的功能信号。功能信号能够从功能规范或传递函数基本变量中得到识别，对于任何独特的属性都可以定义一个相联系的信号。例如，电源放大器的信号特性包括输出失真，谐波失真和电源输出等。

3) 对模型进行调整以适应特定情形。例如，若系统有冗余(如A和B必须都故障时系统才故障)，采用与(AND)节点配置冗余元件；如果一个系统有不同的运行模式，则使用转换(SWITCH)节点建模等。

4) 模型修正及有效性验证。多信号流图模型的构建是一个由简到繁，根据知识和需求逐渐完善的过程。通过诊断设计分析和专家的审定评估，对模型设计的诊断方案或诊断能力作出客观的评估，指出模型和测试诊断方案中的不足，便于更进一步的改进。最后根据测试数据与物理模型对多信号流图模型进行检验。

2 多信号流图建模实践

2.1 某自行高炮供电系统组成及功能分析

某自行高炮供电系统主要由辅机稳压装置、主机稳压装置、辅机发电装置、主机发电装置、电站转换箱、高压随动直流箱和低压整流滤波装置等组成，如图1所示。该供电系统是整个自行高炮系统的电力来源，它的作用是给整个车体和武器系统提供所需的电能，并显示和检测供电的品质。

其中，交流XV输出向某自行高炮全炮电气系统及交流设备供电；直流YV输出向某自行高炮随动系统供电；直流ZV输出向某自行高炮低压ZV直流系统供电。由此可见，供电系统是自行高炮系统非常重要的组成部分，它的故障或输出电压不正常就可能导致整个自行高炮系统工作不正常或瘫痪，使得整个武器失去作战能力。因此，对自行高炮供电系统进行故障诊断，提高故障定位的速度及准确性具有十分重要的实用价值和意义。

2.2 某自行高炮供电系统多信号流图建模

本文采用TEAMS Designer软件工具建立某自行高炮供电系统多信号流图模型。TEAMS Designer工具是QSI公司在多信号流建模技术和信息理论-AI算法的基础上设计出的产品，它主要用于测试性设计分析、故障诊断及故障诊断策略设计、诊断指标评估、诊断知识推理和可靠性维修性数据综合等。

对某自行高炮供电系统建立多信号流图模型时，可基本采用其组成框图，根据模块间功能传递关系，可推断功能失效的传递通路。在TEAMS Designer软件中，使用方框表示功能模块，使用有向线段表示失效功能(故障模式)的传递，使用圆圈表示测试点及测试位置，使用开关的形式表示转换节点对主机和辅机两种供电模式进行选择。供电系统的故障模式为交流XV输出不正常、直流YV输出不正常、直流ZV输出不正常。供电系统的这些故障模式由其组成模块的故障模式的传递形成了供电系统的多信号流图模型，如图2所示。

使用TEAMS Designer建立多信号流图模型时可将模块划分为系统(System)、子系统(Subsystem)、现场可更换单元(LRU)、内场可更换单元(SRU)、模块(Module)、子模块(Submodule)、元件(Componnent)和故障模式(Failure mode )8个级别，建模时根据实际系统的组成选择相应的级别；TEAMS建模中测试类型包括通过症状进行测试、操作检查测试、验收测试和常规测试4种；建模时按照实际对各模块的测试方法选择合适的测试方法和位置。

2.3 某自行高炮供电系统诊断策略生成及分析

按照多信号流图建模步骤建立某自行高炮供电系统模型后，通过对模型的改进与完善，并通过某自行高炮供电系统领域专家对系统结构功能及模型审查、确认后，运用TEAMS的诊断优化算法，针对系统不同的故障现象生成了相应的诊断树诊断策略。某自行高炮供电系统采用辅机发电装置供电时得到的直流YV输出不正常故障现象诊断树如图3所示。

诊断树以二叉树的形式来展示系统的故障诊断路径，它是一种故障诊断策略的描述。诊断树中包括3种节点：故障现象节点、测试节点、故障源节点。测试节点的内容包括测试的具体操作手段，诊断树是被测试结果所驱动的，上一步测试得到的结果直接影响到下一步的测试内容。

诊断树与传统的故障树不同，传统的故障树的顶事件和中间事件是系统或元件，而诊断树的顶事件是故障现象，中间事件是测试点。传统的故障树是以元件-元件-元件/模糊组的形式来进行诊断，而诊断树是以测试点-测试点-元件/模糊组的形式来进行诊断，顶事件和中间事件的不同决定了其诊断分析过程的不同。

故障诊断策略是指故障检测和故障隔离的测试顺序。基于多信号流图模型的故障诊断方法得到的诊断策略是在被测对象多信号流图模型的基础上，根据相应的测试优选算法，以测试优选后的先后顺序来制定的。

通过将多信号流图建模诊断方法得到的诊断策略，运用到某自行高炮实际的故障诊断中与传统的测试诊断方法相对比，证明该方法具有较高的准确性和有效性。不仅能在一定程度上减少平均测试诊断步骤及提高测试诊断效率，也使得测试诊断出错率有所降低。

因此，通过实际应用证明多信号流图建模方法可以根据专家经验得到系统故障诊断较优的诊断策略。使用该方法得到的诊断策略进行故障诊断，能有效地减少平均测试诊断步骤，提高故障诊断的准确性，所以该方法适合用于复杂武器系统的故障诊断。对于组成元件越多、故障模式越多的系统，得到的故障诊断策略的优越性体现得越明显。并且该故障诊断策略可以通过XML、HTML、PDF等多种格式进行导出方便用户使用。

3 结束语

基于多信号流图模型的武器装备故障诊断方法能够根据专家经验生成较优的诊断策略。本文使用多信号流图建模工具TEAMS Designer建立了某自行高炮供电系统的多信号流图模型，生成了诊断树故障诊断策略。通过实际的故障诊断应用，确认基于多信号流图模型的故障诊断结果正确、故障诊断效率较高。

[1] DEB S,PATTIPATI K R.Multi-signal flow graphs:a novel approach for system testability analysis and fault diagnosis[J].IEEE Aerospace and Electronics Magazine,1995,10(5):14-25.

[2] DEB S, GHOSHAL S, MATHUR A,et al.Multi-signal modeling for diagnosis,FMECA, and reliability[C].Proceedings of the IEEE Conference on Systems,Man,and Cybernetics,CA,San Diego, 1998:11-14.

[3] PATTIPATI K R,DEB S, DONTAMSETTY M,et al.System testability analysis and research tool[C].Proceedings of the IEEE AUTOTESTCON.New York:IEEE Press,1990:395-402.

[4] 刘海明,易晓山.多信号流图的测试性建模与分析[J].中国测试技术,2007,33(1):49-51.(in Chinese)

LIU Hai-ming,YI Xiao-shan.Analyses and modeling of testability based on multi-signal flow graphs[J].China Measurement Technology,2007,33(1):49-51.(in Chinese)

[5] DEB S,PATTIPATI K R, SHRESTHA R.QSI,s integrated diagnostic toolset[C].Proceedings of the IEEE AUTOTESTCON,New York:IEEE Press,1997:408-421.